Методы и алгоритмо-программное обеспечение вейвлет-анализа статических изображений тема диссертации и автореферата по ВАК РФ 05.13.18, кандидат технических наук Шакиров, Игорь Вазирянович

  • Шакиров, Игорь Вазирянович
  • кандидат технических науккандидат технических наук
  • 2003, Томск
  • Специальность ВАК РФ05.13.18
  • Количество страниц 161
Шакиров, Игорь Вазирянович. Методы и алгоритмо-программное обеспечение вейвлет-анализа статических изображений: дис. кандидат технических наук: 05.13.18 - Математическое моделирование, численные методы и комплексы программ. Томск. 2003. 161 с.

Оглавление диссертации кандидат технических наук Шакиров, Игорь Вазирянович

Введение.

Глава 1. Анализ применений вейвлет—преобразования в прикладных задачах.

1.1 Литературный обзор по вейвлет-анализу.

1.1.1 Фундаментальные направления развития вейвлетанализа.

1.1.2 Обзор приложений вейвлет-анализа в России.

1.2 Введение в задачу оценки свойств статических изображений.

1.3 Выводы и постановка задач исследований.

Глава 2. Теоретические основы вейвлет-анализа.

2.1 Введение.

2.2 Введение в непрерывный вейвлет-анализ.

2.2.1 Интегральное вейвлет-преобразование.

2.2.2 Дискретизация интегрального вейвлет-преобразования.

2.2.3 Энергетические характеристики.

2.3 Дискретный вейвлет-анализ.

2.3.1 Кратномасштабное представление функций.

2.3.2 Кратномасштабный вейвлет-анализ.

2.3.3 Дискретное вейвлет-преобразование.

2.3.4 Вейвлет-фильтры Добеши.

2.3.5 Вейвлет-преобразование статических изображений.

Рекомендованный список диссертаций по специальности «Математическое моделирование, численные методы и комплексы программ», 05.13.18 шифр ВАК

Введение диссертации (часть автореферата) на тему «Методы и алгоритмо-программное обеспечение вейвлет-анализа статических изображений»

3.2 Моделирование статических изображений на ЭВМ.67

3.2.1 Аппликативная модель изображений двухмерных сцен. 68

3.2.2 Статистическая модель изображений фонов. 71

3.2.3 Модель изображений объектов.72

3.2.4 Модели помех при обработке изображении. 74

3.3 Ввод реальных изображений в ЭВМ. 75

3.3.1 Модернизация растрового электронного микроскопа. 77

3.3.2 Ввод телевизионных изображений. 80

3.4 Программная реализация обработки изображений в ЭВМ. 82

3.5 Заключение.85

Глава 4. Применение вейвлет-анализа в решении прикладных задач. 87

4.1 Введение. 87

4.2 Установление взаимосвязи статистических свойств изображений с энергетическими характеристиками вейвлет-спектра.88

4.3 Применение вейвлет-анализа в задаче предварительной обработки изображений. 96

4.3.1 Алгоритм предобработки изображений.98

4.3.2 Предобработка малоконтрастных изображений. 101

4.4 Анализ оптических изображений поверхностей нагруженных твердых тел.106

4.5 Применение вейвлет-преобразования для анализа РЭМ-изображений поверхностей трения твердых тел. 110

4.6 Программное обеспечение вейвлет-анализа изображений. 116

4.7 Другие приложения вейвлет-анализа. . 122

4.7.1 Использование вейвлет-анализа акустических сигналов в задаче диагностики усталостного разрушения. 122

4.7.2 Обработка и идентификация филиграни документов. 125

4.8 Заключение. 128

Заключение. 130

Приложения. 132

Список литературных источников. 144

Введение

Актуальность работы. Существует ряд типовых задач обработки изображений. К таким задачам, к примеру, относятся: обзорно-поисковые операции, анализ параметров объекта, классификация, идентификация и распознавание, определение координат и ориентации. Достигнутый в настоящее время уровень развития вычислительной техники позволяет создавать устройства обработки изображений на базе персональных ЭВМ с программной реализацией алгоритмов обработки. Системы обработки изображений, как правило, имеют в своем составе в качестве основных узлов видеодетектор, вычислительное устройство и блок согласования. Качественные показатели работы устройств обработки изображений такие, как чувствительность, точность, быстродействие, помехоустойчивость определяются не только совокупными параметрами видеодетектора, блока согласования и ЭВМ, но и, в конечном итоге, зависят от того, насколько эффективен выбранный алгоритм обработки данных и насколько точно данный алгоритм соответствует качественным характеристикам обрабатываемого изображения.

В настоящее время не существует какой-либо единой и адекватной меры оценки качественных свойств изображений, которая бы соответствовала требованиям различных алгоритмов обработки, как не существует и единого подхода к способу получения данных характеристик. Существующие меры оценки качественных характеристик изображений могут давать противоречивые результаты при обработке изображений одной и той же серии, к примеру, из-за смены освещенности или расфокусировки оптики. Все это способствует поискам новых методов оценки качественных характеристик изображений, позволяющих более адекватно характеризовать эффективность применяемых методов обработки.

Начало 80-х годов прошлого столетия ознаменовано появлением нового направления в области обработки данных - вейвлет-анализа. В отличие от традиционно применяемого при анализе данных преобразования Фурье, результаты, полученные с помощью вейвлет-анализа, обладают большей информативностью и способны выявлять такие особенности данных, которые при стандартных подходах анализировать затруднительно. Не отвергая значимости анализа Фурье, вейвлет-преобразование его успешно дополняет и зачастую способно полностью заменить в решениях многих задач. Успешное применение вейвлет-преобразования, к примеру, в таких приложениях, как анализ сигналов и сжатие информации стимулирует поиск новых идей и решений его использования в различных научно-технических областях знаний, в том числе и задачах обработки изображений.

Одним из актуальных направлений использования устройств обработки изображений является анализ статических изображений поверхностей различных материалов с целью: технологического контроля при производстве; оценки степени износа при эксплуатации; решения задач визуального наблюдения и автоматического мониторинга. В связи с этим, перед многими исследователями стоит задача совершенствования методов обработки изображений. Один из путей повышения эффективности обработки является использование алгоритмов обработки и методов оценки изображений, основанных на кратномаштабном вейвлет-преобразовании. С его помощью, может быть решен широкий круг задач синтеза анализа и обработки изображений. Кроме того, кратномаспггабное представление обеспечивает сокращение объемов обрабатываемых изображений за счет удаления избыточной информации, тем самым, снижая вычислительные затраты на последующую обработку. Следовательно, разработка метода количественной оценки свойств изображений и алгоритмов обработки изображений, основанных на вейвлет-анализе, является актуальной, в настоящее время, задачей.

Целью настоящей работы является создание численных методов оценки характеристик изображений с использованием вейвлет-анализа и алгоритмов, реализующих данные методы обработки, а также создание программного обеспечения, использующего данные методы в составе аппаратно-программных устройств обработки изображений различного назначения.

Научная новизна работы. В диссертационной работе предложен новый метод количественной оценки свойств обрабатываемых изображений по энергетическим характеристикам вейвлет—спектра. Разработаны оригинальные алгоритмы, реализующие предложенный метод, в том числе: алгоритм количественной оценки и обработки оптических изображений поверхностей нагруженных (деформируемых) тел; алгоритм оценки величины износа материалов по РЭМ-изображениям (растровый электронный микроскоп) поверхности твердых тел; алгоритм предварительной обработки изображений, в том числе малоконтрастных.

Метод количественной оценки является развитием методов расчета энергетических характеристик одномерного вейвлет-преобразования для случая кратномасштабного вейвлет-разложения двухмерных сигналов и используется в работе для анализа характеристик статических изображений.

Практическую ценность работы составляют: аппаратно-программное обеспечение регистрации РЭМ-изображений в ЭВМ; программное обеспечение ввода и обработки стандартных телевизионных изображений в ЭВМ; программное обеспечение для количественной оценки и обработки изображений, в том числе, оптических и РЭМ-изображений; программное обеспечение, предназначенное для диагностики усталостного разрушения материалов с использованием вейвлет-анализа одномерных акустических сигналов; программное обеспечение, используемое для анализа и идентификации изображений филиграни старинных документов.

Внедрение работы. Представленные в диссертационной работе методы и программы были разработаны в рамках следующих соглашений, в которых автор принимал участие в качестве ответственного исполнителя:

1. Хоздоговор №27/01 от 1 октября 2001 г., заключенного между Томским государственным университетом систем управления и радиоэлектроники (ТУСУР) и Институтом физики прочности и материаловедения (ИФПМ) СО РАН

2. Хоздоговор №26/02 от 10 сентября 2002 г., заключенного между ТУСУР и ИФПМ СО РАН

Внедрение и использование результатов диссертационной работы подтверждается пятью актами, представленными в приложении диссертации.

Связь работы с научными программами и темами. Разработанное программное обеспечение для регистрации РЭМ-изображений в ЭВМ использовались в ИФПМ СО РАН при выполнении работ по гранту РФФИ №00-01-81134-Бел2000а. «Физическая мезомеханика деформирования и разрушения материалов, модифицированных плазменными, электроннолучевыми, ионно-лучевыми и газотермическими методами».

Апробация работы. Основные результаты работы отражены в 22 публикациях: 1 статье в журнале, рекомендованном ВАК; 1 депонированной в ВИНИТИ рукописи; 2 зарегистрированных разработках на правах публикации в информационно-библиотечном фонде РФ; 18 публикациях в рецензируемых сборниках трудов конференций, в том числе 4 работы были опубликованы за рубежом (Дания, Франция и Южная Корея). Результаты работы были представлены на следующих конференциях: «Современная техника и технологии»: V Областная научно-практическая конференция студентов, аспирантов и молодых ученых (Томск, 1999); «Современные проблемы радиоэлектроники»: Всероссийская научно-техническая конференция молодых ученых и студентов, посвященной 104-й годовщине дня радио (Красноярск, 1999); «Конверсия науки - международному сотрудничеству» (СибКонверс'99, Томск, 1999); III Региональная научно-техническая конференция студентов и молодых специалистов (Томск, 1999); «Современная техника и технологии»: VI Международная научно-практическая конференция студентов, аспирантов и молодых ученых (Томск, 2000); «Современные проблемы радиоэлектроники»: Всероссийская научно-техническая конференция молодых ученых и студентов (Красноярск, 2000); «Радиотехнические и информационные системы и устройства»: Региональная научно-техническая конференция студентов и молодых специалистов (Томск, 2000); «Прикладной системный анализ»: Региональная научно-техническая конференция студентов и молодых специалистов (Томск, 2000); «Современная техника и технологии»: VII Международная научно-практическая конференция студентов, аспирантов и молодых ученых (Томск, 2001); «Проблемы современной радиоэлектроники и систем управления»: Всероссийская научно-техническая конференция, посвященная 40-летию ТУСУР (Томск, 2002); «Научная сессия ТУСУР» Межрегиональная научно-техническая конференция, посвященная 40-летию ТУСУР (Томск, 2002); International Conference on New Challenges in Mesomechanics (Aalborg, Denmark, 2002); New Trends in Fatigue and Fracture (Metz, France, 2002); «Современная техника и технологии»: IX Международная научно-практическая конференция студентов, аспирантов и молодых ученых (Томск, 2003); 7th Korean-Russian International Symposium on Science and Technology (Ulsan, Republic of Korea, 2003).

Основные положения, представляемые на защиту.

1. Метод количественной оценки свойств изображений по вейвлет-спектру.

2. Численный алгоритм вейвлет-анализа изображений поверхности нагруженных тел.

3. Численный алгоритм вейвлет-анализа износа поверхности трения по РЭМ-изображениям материалов.

4. Численный алгоритм предварительной обработки изображений по плотности распределения энергии вейвлет-спектра.

5. Реализация описанных численных методов и алгоритмов в виде программ, предназначенных для обработки данных и проведения вычислительных экспериментов в операционной системе Windows.

Личный вклад автора. Все изложенные в работе результаты исследований получены при непосредственном участии автора. Автору принадлежат: реализация метода количественной оценки свойств изображений; синтез алгоритмов обработки изображений; способы визуализации данных; реализация программного обеспечения для вейвлет-анализа изображений и акустических сигналов; выбор и проведение части экспериментальных исследований; интерпретация результатов; формулирование научных положений и выводов.

Содержание работы. Диссертационная работа состоит из введения, 4-х глав, заключения, списка используемых литературных источников и приложений. Содержит: 52 рисунка, 2 таблицы, 9 приложений. Список используемой литературы содержит 174 источника. В диссертации принята двойная нумерация формул, рисунков и таблиц: первая цифра указывает номер главы, а вторая - порядковый номер рисунка, таблицы или формулы внутри данной главы.

Похожие диссертационные работы по специальности «Математическое моделирование, численные методы и комплексы программ», 05.13.18 шифр ВАК

Заключение диссертации по теме «Математическое моделирование, численные методы и комплексы программ», Шакиров, Игорь Вазирянович

Основные результаты настоящей главы состоят в следующем: 1. Экспериментально показано, что предложенная нами величина Сп связывает статистические свойства изображений и энергетические характеристики вейвлет-спектра. Величина Сп способна адекватно характеризовать свойства обрабатываемых статических изображений по средней энергии высокочастотных составляющих вейвлет-спектра, в задачах обработки так или иначе связанных с оценкой мелких деталей изображения. В частности показано, что величина Сп характеризует: a) уровень шумов в задаче предобработки изображений; b) текстурное заполнение изображения объекта и изображения фона в задаче предобработки малоконтрастных изображений; c) пластическую деформацию по оптическим изображениям поверхности деформируемых материалов; d) уровень износа материалов по РЭМ-изображениям поверхностей трения.

Другими словами, величина Сп позволяет оценить насколько выбранный алгоритм обработки соответствует характеристикам обрабатываемого изображения.

2. Предложенный метод анализа плотности распределения энергии вейвлет-спектра, в частности распределения МЛП позволяет: a) строить распределения эквипотенциальных полей для составляющих X и У изображения и векторное представление изменения высокочастотных компонент в плоскости ХУ; b) локализовать особенности вейвлет-спектра относительно анализируемого изображения; c) дополнительно оценивать соотношения высокочастотных составляющих вдоль осей X и У изображения.

3. Рассмотрено разработанное программное обеспечение вейвлет-анализа изображений, использующее предложенную количественную оценку свойств изображений и алгоритмы обработки по энергетическим характеристикам вейвлет-спектра. Показано, что использование данной программы рассчитано, прежде всего, на среднего пользователя компьютера, а не на специалиста в области программного обеспечения.

4. Дополнительно рассмотрена возможность использования вейвлет-анализа для неразрушающего контроля различных конструкций методом свободных колебаний и возможность применения вейвлет-преобразования для идентификации старинных документов. Показано, что вейвлет—анализ обладает большей гибкостью и эффективностью, чем традиционные подходы анализа и, к примеру, для решения данных задач может их полностью заменить.

Список литературы диссертационного исследования кандидат технических наук Шакиров, Игорь Вазирянович, 2003 год

1. Дьяконов В.П. Вейвлеты. От теории к практике. М.: СОЛОН-Р, - 2002. -448с.: ил.

2. Чуй К. Введение в вэйвлеты: Пер. с англ. М.: Мир, 2001. - 412с., ил.

3. Астафьева Н. М. Вейвлет-анализ: основы теории и примеры применения //УФН,- 1996.-Т. 166. -№ 11. -с. 1145-1170.

4. Goswami С., Chan К. Fundamentals of Wavelets. Publisher: John Wiley & Sons, pp. 306,1999.

5. Meyer Y. Wavelets and Operators. Cambridge University Press, 1993.

6. Meyer Y. Wavelets: Algorithms and Applications. SI AM, 1993.

7. Спиридонов В. Всплеск революции // Компьютерра. -1998. -№ 8. с. 2930.

8. Mallat S. Multiresolution approximation and wavelets. Trans. AMS 1989. -c.69-88.

9. Sweldens W. The Construction and Application of Wavelets in Numerical Analysis. Ph.D. thesis. New York, May 18, 1995.

10. Воробьев В.И., Грибунин В.Г. Теория и практика вейвлет— преобразования. СПб.: Изд-во ВУС, 1999. - 208 с.

11. Маслюк Л. Дайджест вейвлет-анализа в двух формулах и 22 рисунках // Компьютерра. 1998. -№ 8. - с. 31-37.

12. Robert D., Nowak G. Wavelet-Domain Filtering for Photon Imaging Systems. IEEE Transactions on Image Processing, 2(3): 285-306, April 1997.

13. Reissell L. Multiresolution and Wavelets. In Alain Fournier editor, SIGGRAPH'95 Course Notes #26: Wavelets and Their Applications in Computer Graphics, P. 37-70. ACM, New York, 1995.

14. Fournier A. Introduction. In Alain Fournier editor SIGGRAPH'95 Course Notes #26: Wavelets and Their Applications in Computer Graphics, P. 5-36. ACM, New York, 1995.

15. Петухов А.П. Введение в теорию базисов всплесков. СПб.: Изд-во СПб ГТУ, 1999. - 132 с.

16. Coifinan R., Meyer Y., Wickerhauser M. Size properties of wavelet packets. Preprint, CEREMADE, Universitet Paris-Dauphine, 1990.

17. Coifinan R., Wickerhauser M. Best-adapted wave packet bases. Preprint, Yale University, 1990.

18. Wickerhauser M. Lectures On Wavelet Packet Algorithms. Tech. report, Department of Mathematics Washington University. November 18, 1991.

19. Маслюк JI., Перебин А. Введение в вейвлет-анализ. Учебный курс // «ГрафиКон'99»: IX Межд. конф. по комп. графике и маш. зрению. 26 августа-1 сентября 1999 г. М., 1999.

20. SmarajitB., FinbarrO. A Region Based Image Segmentation Method for Multi-Channel Data. Department of Statistics, Tech. report, University of Washington. November 30, 1994.

21. Sweldens W. Wavelets, Signal Compression and Image Processing. In Alain Fournier editor, SIGGRAPH'95 Course Notes #26: Wavelets and Their Applications in Computer Graphics, P. 107-122. ACM, New York, 1995.

22. Graps A. An Introduction to Wavelets. IEEE Computational Sciences and Engineering, Volume 2, Number 2, Summer 1995, pp 50-61.

23. Daubechies I. Orthonormal Bases of Compactly Supported Wavelets. Communications on Pure and Applied Mathematics, vol.41, 1988.pp. 906-996.

24. Daubechies I. The wavelet transform, time-frequency localization and signal analysis. IEEE Trans. Inform. Theoiy. №5, 1990, pp. 961-1005.

25. Daubechies I., Guskov I., Sweldens W. Regularity Of Irregular Subdivision. Tech. report, Department of Mathematics, Princeton University, 1998.

26. Cohen M., Doubechies I., Feanveau J. Biorthogonal Bases of Compactly Supported Wavelets. Communications on Pure and Applied Mathematics,-1992-Vol.XLV,-PP.485-560.

27. Calderbank A., Daubechies I., Sweldens W„ Yeo B. Wavelet transforms that map integers to integers. Tech. report, Dep. of Math., Princeton University, 1996.

28. Daubechies I., Sweldens W. Factoring wavelet transforms into lifting steps. Fourier Anal. Appl. 4(1998), №3, P.247-269.

29. Brandon J. Assessing Nonstationaiy Time Series Using Wavelets. Ph.D. thesis. University of Washington, 1998.

30. Новиков И.Я., Стечкин С. Б. Основы теории всплесков // Успехи математических наук. -1998. Т. 53. - № 6 (324). - с. 53-128.

31. Новиков JI.B. Основы вейвлет-анализа сигналов: Учеб. пособие. -СПб.: Изд-во ООО "МОДУС+", 1999. 152 е.: ил.

32. Саймонселли И.Р., Эйделсон Э.Х. 11еразделимое многомерное обобщение квадратурных зеркальных фильтров // ТИИЭР. 1990. - Т.78. - № 4. - с. 69-82.

33. Sweldens W. The lifting scheme: A construction of second generation wavelets. SIAM J. Math. Anal., 29(2), 1997.

34. Sweldens W. The lifting scheme: A Custom-Design Construction of Biorthogonal Wavelets. Journal of Appl. and Сотр. Harmonic Anal., pp. 186-200, 1996.

35. Sweldens W., Schroder P. Building Your Own Wavelets at Home. In Alain Fournier editor SIGGRAPH'95 Course Notes #26: Wavelets and Their Applications in Computer Graphics, P. 71-106. ACM, New York, 1995.

36. Sweldens W. Wavelet probing for compression based segmentation. Tech. report, University of South Carolina, Department of Mathematics, 1993

37. Sarin G. Wavelet Transform based adaptive image compression on FPGA. B.Tech. thesis. University of Calicut, Calicut, India, 1996.

38. Geronimo J., Hardin D., Massopust P. Fractal functions and wavelet expansions based on several scaling functions. Journal Approx. Theory, №3, 1993.

39. Strang G., Strela V. Short wavelets and matrix dilation equations. IEEE Trans. Signal Proc.,v.3, p. 108-115, 1995.

40. PlonkaG., Strela V. From wavelets to multiwavelets. Mathematical Methods for Curves and Surfaces. M.Dahlen, T. Lyche, L. Schumaker (eds.), Vanderbilt University Press, Nashville, p. 375-399, 1998.

41. Reissell L., DeRose Т., Lounsbery M. Curves and Surfaces. In Alain Fournier editor, SIGGRAPH'95 Course Notes #26: Wavelets and Their Applications in Computer Graphics, p. 123-154. ACM, New York, 1995.

42. Переберин A.B. Вейвлеты в компьютерной графике // Компьютерра. -1998.-№8.-с. 52-53.

43. Переберин А.В. Многомасштабные методы синтеза и анализа изображений: Автореф. дис. канд. физ.-мат. наук. — М., 2002. с. 23.

44. Finkelstein A., Salesin D. Multiresolution curves. In Proceedings of SIGGRAPH '94, p. 261-268. ACM, New York, 1994.

45. Gortler S., Cohen M. Variational Geometric Modeling with Wavelets. In Proceedings of SIGGRAPH '96, ACM, New York, 1996.

46. Schroder P. Wavelet Radiosity: Wavelet Methods for Integral Equations. In Alain Fournier editor, SIGGRAPH'95 Course Notes #26: Wavelets and Their Applications in Computer Graphics, p. 155-182. ACM, New York, 1995.

47. Cohen M., Sweldens W., Fournier A. More Applications. In Alain Fournier editor, SIGGRAPH'95 Course Notes #26: Wavelets and Their Applications in Computer Graphics, p. 183-210. ACM, New York, 1995.

48. Stollnitz E., Derose Т., Salesin D. Wavelets for Computer Graphics. Theory and Applications. San Francisco, California: Morgan Kaufmann Publishers, Inc., 1996.

49. Столниц Э. Вейвлеты в компьютерной графике: теория и приложения / Э. Столниц, Т. ДеРоуз, Д. Салезин: Пер. с англ. Ижевск: НИЦ «Регулярная и хаотическая динамика», 2002. - 272 с.

50. Womell G. Signal processing with fractals: A wavelet-based approach. Prentice-Hall Signal Processing Series, pp.177, October 1995.

51. Riedi R. Introduction to Multifractals. to appear Adv. Appl. Math. 16 1998, pp. 132-154.

52. Умняшкин C.B. Алгоритм фрактального кодирования изображений в области вейвлет-преобразований // Труды конференции "Методы оптимизации вычислений" Киев, 2001.

53. Завадский B.JI. Фильтрация сигналов посредством скрытой марковской модели для вейвлетно-фрактального разложения. Компьютерный анализ данных и моделирование // V Междун. конф. -Минск, 1997.

54. Дремин И.М., Иванов О.В., Нечитайло В.А. Вейвлеты и их использование // УФН. 2001. - № 5. - с. 465-502.

55. Новиков JI.B. Спектральный анализ сигналов в базисе вейвлетов // Научное приборостроение. -2000. Т. 10. -№ 3. - с. 57-64.

56. Петухов А.П. Кратномасштабный анализ и всплеск-разложения пространств переодических распределений // Док. РАН. 1997. - Т. 356. -с. 303-310.

57. Петухов А.П. Периодические дискретные всплески // Алгебра и Анализ. -1996.-Т. 8.- № 3. с. 151-183.

58. Петухов А.П. Биортогональные базисы всплесков с рациональными масками и их приложения // Труды СПбМО. 1999. -Т. 7. - с. 168-193.

59. Перебин A.B. О систематизации вейвлет-преобразований // Выч. методы и программирование. 2001. - Т.2. - с. 15-40.

60. Ламброу Т. Применение вейвлет-преобразования к обработке медицинских сигналов и изображений // Компьютерра. 1998. - №8. - с. 50-51.

61. Башилов Г., Маслюк JÏ. Мелковолновый анализ //Компьютерра. — 1998. -№8. с. 27-28.

62. Симэн Г. Вейвлеты на программируемом кремнии // Компьютерра. — 1998. №9. - с. 48-52.

63. Спиридонов В. Самоподобие, всплески и квазикристаллы // Компьютерра. -1998. -№8.-с 38-45.

64. Фрик П., Соколов Д. Вейвлеты в астрофизике и геофизике // Компьютерра. 1998. - №8. - с. 46-49.

65. Кобелев В.Ю. Адаптивное вейвлет-преобразование сигналов // Цифровая обработка сигналов и ее применение: III Междун. конф. (DSPA'2001). -М., 2001. — Т.1.

66. Ласточкин А.В., Кобелев В.Ю. Метод удаления шума на основе вейвлет обработки, адаптированный к разрывным сигналам // Цифровая обработка сигналов и ее применение: III Междун. конф. (DSPA'2001). М., 2001. -Т.1.

67. Новиков Л.В. Адаптивный вейвлет-анализ сигналов // Науч. приборостроен. 1999. - Т.9. -№ 2.

68. ГалягинД.К., ФрикП.Г. Адаптивные вейвлеты (алгоритм спектрального анализа сигналов с пробелами в данных) // Мат. моделирование систем и процессов. 1996. - № 4. - с. 10.

69. Фрик П.Г. Вейвлет-анализ и иерархические модели турбулентности. -Пермь, 1992. 40 с. (Препринт ИМСС УрО РАН.)

70. Фрик П.Г. Турбулентность: модели и подходы. Курс лекций. -Пермь, 1999.

71. Бураков К.С., ГалягинД.К., Начасова И.Е., РешетнякМ.Ю. Вейвлет-анализ вариаций напряженности геомагнитного поля за последние четыре тысячи лет // Изв. РАН. Сер. Физика Земли 1998. -Т. 34. - № 9. - с. 8388.

72. Галягин Д.К., Печерский Д.М., Решетняк М.Ю., Соколов Д.Д., Фрик П.Г. Вейвлет-анализ характеристик геомагнитного поля в неогее // Изв. РАН. Сер. Физика Земли. 2000. - Т. 36. - № 4. - с. 82-89

73. Бураков К.С., Галягин Д.К., Начасова И.Е., Решетняк М.Ю. Вейвлет-анализ вариаций напряженности геомагнитного поля за последние четыре тысячи лет // Изв. РАН. Сер. Физика Земли. 1998. -Т. 34 - № 9. - с. 8388.

74. Стаховский И.Р. Вейвлетный анализ временных сейсмических рядов // ДАН. 1996. - Т. 350. - № 3. - с. 393-396.

75. Слесарев Д.А., БаратВ.А. Применение вейвлет-преобразования для анализа сигналов с импульсными составляющими // Изм. Техника — 2000. № 8. - с. 43-45.

76. Гужов В.И., Турунтаев Д.А. Применение вейвлет-преобразования для расшифровки спекл-интерферограмм // Автометрия — 2000. — № 5. с. 116-119.

77. Кравченко В.Ф., Рвачев В.A «Wavelet» системы и их применение в обработке сигналов // Зарубежн. Радиоэлектроника. - 1996. - №4. — с. 3-20

78. Кравченко В.Ф., Рвачев В.А., Пустовойт В.И. Алгоритм построения "wavelet" систем для обработки сигналов // ДАН. - 1996. - Т. 346. — № 1. -с. 31-32.

79. Морев С.И., Ососков Г.А., Шитов А.Б. Применение методов вейвлет-анализа к обработке электрокардиографических данных // Материалы летней школы в Ратмино. Дубна, 2001.

80. Алексеев К.А. Вейвлет-ряды в задаче оценивания собственных частот датчиков // Датчики и системы. 2001. - № 12. - с.2-5.

81. Алексеев К.А. Разделение импульсной характеристики и испытательного воздействия по вейвлет-спектрам откликов широкополосных датчиков переменных давлений // Приборы и системы. 2002. - № 3. - с.49-53

82. Алексеев К.А. Модели и алгоритмы вейвлет обработки сигналов датчиков с использованием лифтинга. Теоретические основы лифтинга // Датчики и системы. - 2002. - Ч. 1. - № 1. - с.3-9.

83. Алексеев К.А. Модели и алгоритмы вейвлет обработки сигналов датчиков с применением лифтинга. Численное моделирование // Датчики и системы. - 2002. - 4.2. - № 2. - с.2-5.

84. Алексеев К.А. Восстановление импульсных характеристик датчиков и испытательных воздействий с помощью обратного континуального вейвлет-преобразования // Датчики и системы. 2002. - № 4. - с. 2-6.

85. Гречихин В.А., Евтихиева O.A., Есин М.В., Ринкевичюс B.C. Применение вейвлет-анализа моделей сигналов в лазерной доплеровской анемометрии // Автометрия 2000. - № 5. - с. 51-58.

86. Рыбаков A.C. Вейвлет-декомпозиция и фрактальный анализ при обработке результатов совместных измерений задержки и амплитуды лазерно-локационных сигналов // Автоматика и вычислит, техники. -2001. -№3. -с.14-21.

87. Житников Д.А., Проскурин В.И., Ягольников C.B. Оценка возможности использования вейвлет анализа для обработки радиолокационных сигналов // Радиотехника. 2002. - № 5. - с.22-26.

88. Твердохлеб П.Е., ЩепеткинЮ.А. Вейвлет-анализ оптических фазовых неоднородностей с использованием коллинеарного гетеродинирования // Автометрия. -2001. -№ 1. -с.58-69.

89. Ососков Г.А., Шитов А.Б. Применение вейвлет-анализа для обработки дискретных сигналов гауссовой формы // Сообщение ОИЯИ -Дубна, 1997.-PI 1-97-347.

90. Шитов А.Б. Разработка численных методов и программ, связанных с применением вейвлет-анализа для моделирования и обработки экспериментальных данных: Автореф. дис. канд. физ.-мат. наук. -Иваново, 2001.-с. 20.

91. Шитов А.Б. Разработка численных методов и программ, связанных с применением вейвлет-анализа для моделирования и обработки экспериментальных данных: Диссертация канд. физ.-мат. наук. — Иваново, 2001-с. 125.

92. Малоземов В.Н., Певный А.Б., Третьяков A.A. Быстрое вейвлетное преобразование дискретных периодических сигналов и изображений // Проблемы передачи информации. 1998. - Т.34. - Вып. 2. - с. 77-85.

93. Ефимов A.B., Поспелов A.C., УмняшкинС.В. Теоретические основы и некоторые особенности применения дискретных мультипликативных преобразований в задачах сжатия цифровых изображений. Труды матем. института им. В. А. Стеклова РАН. 1997, т. 219, с. 137-182.

94. Ефимов A.B., Поспелов A.C., Умняшкин C.B. Некоторые свойства мультипликативных ортонормированных систем, используемые в цифровой обработке сигналов // Труды матем. института им. В. А. Стеклова РАН. 1997. - Т. 219.-е. 137-182.

95. Ватолин Д.С. Алгоритмы сжатия изображений: Методическое пособие. -М.: Издательский отдел факультета ВМиК МГУ, 1999. 76 с.

96. Умняшкин C.B. Оценка эффективности использования унитарных преобразований для кодирования дискретных сигналов. Информатика и связь / Сб. научн. тр. под ред. В.А.Бархоткина. М.: МИЭТ, 1997. - с.73-78.

97. Умняшкин C.B. Об оценке декоррелирующих свойств дискретных преобразований // Микроэлектроника и информатика 97: Межвузов. Научн.-техн. конф. - М.: МГИЭТ (ТУ), 1997. - Ч. 2. - с. 110.

98. Умняшкин C.B., Кочетков М.Е. Анализ эффективности использования ортогональных преобразований для цифрового кодирования коррелированных данных // Известия вузов. Электроника. 1998. - №6. -с.79-84.

99. Умняшкин C.B. Алгоритм компрессии неподвижных изображений на основе дискретного вэйвлет-преобразования // Математика. Компьютер. Образование: VII Междунар. конф. 24-29 янв. 2000г. -М.: Прогресс-Традиция, 2000. 327 с.

100. Умняшкин C.B. Цифровая компрессия изображений с использованием дискретного преобразования Крестенсона-Леви // Оборонный комплекс -научно-техническому прогрессу России. 2000. - № 2. - с. 28-39.

101. Умняшкин C.B. Вейвлет-компрессия цифровых изображений с прогнозированием статистических моделей // Изв. Вузов. Электроника. — 2001.-№5.-с. 86-94.

102. Умняшкин C.B. Компрессия цифровых изображений на основе кодировния древовидных структур вейвлет коэффициентов с прогназированием статистических моделей // Изв. вузов. Электроника. — 2001. -№ 5-С.56-60.

103. Умняшкин C.B. Применение дискретного преобразования Крестенсона-Леви в цифровой обработке изображений: Автореф. дис. канд. техн. наук. -М., 1996.-19 с.

104. Кириллов С.Н., Зорин C.B. Применение алгоритмов вейвлет-анализа для сжатия речевых сигналов в IP телефонии. Электросвязь. 2001. № 4, с. 40-43.

105. Сай C.B., Савенков И.В. Эффективность цифрового кодирования статических изображений методом вейвлет-преобразования // Телекоммуникации. 2001. - № 4. - с. 2-7.

106. Потоцкий Р.В. Применение преобразования всплесков для сжатия графических изображений // Проблемы упр. и информатики. 2000. - №4. -с. 116-127.

107. Бобиков Д.В., Мясников В.И. Сжатие хроматографической информации методом вейвлет-анализа // Приборы и системы: УКД. 2000. — №9. — с. 75-80.4

108. Астапкович A.M., Востриков A.A. Современные технологии сжатия видеоданных. // BYTE. 2000. - № 11. - с. 14-20.

109. Хлудов С.Ю. Вейвлет-преобразование и компрессия изображений // Автометрия. 1997. -№ 2. - с. 98-106.

110. Ласточкин A.B., Аверин A.A., Кобе лев В. Ю. Применение вейвлет-преобразования к удалению шума из изображений // Радиолокация. Навигация. Связь: V Международная научн. техн. конф. -М.,1999. -Т.1. - с. 389-394.

111. Мартышевский Ю.В., ШаропинЮ.Б., Шакиров И.В. Оценка параметров сцены в задаче измерения координат объекта ТСС / ТУСУР. Томск, 1999. - 13 с. - Деп. в ВИНИТИ 08.07.99., № 2218-В99.

112. Панин C.B., Шакиров И.В., Сырямкин В.И., Светлаков A.A. Применение вейвлет-анализа изображений поверхности для изучения процессовпластической деформации и разрушения на мезомасштабном уровне // Автометрия. 2003. - Т. 39. - №1. - с.37-53.

113. Иванов В.Г. Универсальные преобразования Хаара // Цифровая обработка сигналов и ее применение: III Межд. конф. (DSPA'2001). М., 2001. - Т.1.

114. Кириллов С.Н., Зорин С.В. Повышение эффективности вейвлетно-пакетного представления за счет предварительной обработки речевых сигналов // Цифровая обработка сигналов и ее применение: III Межд. конф. (DSPA'2001). М., 2001. - Т.2.

115. Бехтин Ю.С., Рычков А.Н. Программный комплекс обработки зашумленных изображений на основе вейвлет-преобразований //

116. Цифровая обработка сигналов и ее применение: III Межд. конф. (DSPA'2001). M., 2001. - Т.2.

117. Агеев А.Ю., ГанделлиА. Использование вейвлет-преобразования сигналов в системах управления // Цифровая обработка сигналов и ее применение: III Межд. конф. (DSPA'2001). M., 2001. -Т.2.

118. Чесноков Ю.В. Вейвлет анализ медицинских сигналов // Цифровая обработка сигналов и ее применение: III Межд. конф. (DSPA'2001). M.,2001.-Т.2.

119. Кириллов С.Н., Зорин C.B. Синтез оптимальных порождающих фильтров для вейвлетных разложений // Цифровая обработка сигналов и ее применение: IV Межд. конф. (DSPA'2001). M., 2002. - T.l.

120. Баранов В.А., Терновой И.Л., Конышев М.Ю. Метод мультифрактального анализа в приложении к оцениванию параметров шума в каналах обмена информацией // Цифровая обработка сигналов и ее применение: IV Межд. конф. (DSPA'2001). M., 2002. -T.l.

121. Ганин А.H. Модель квантования вейвлет коэффициентов // Цифровая обработка сигналов и ее применение: IV Межд. конф. (DSPA'2001). M.,2002.-T.l.

122. Миронов В.Г., Чобану М.К., Барат В.А. Применение вейвлет-преобразования для цифровой обработки одномерных и многомерных сигналов // Цифровая обработка сигналов и ее применение: IV Межд. конф. (08РА'2001). -М., 2002. -Т.2.

123. Клюшкин В.И. Построение одно- и двумерных шкалирующих и вейвлет функций // Цифровая обработка сигналов и ее применение: IV Межд. конф. (08РА'2001). М., 2002. - Т.2.

124. Гуляев Ю.В., Кравченко В.Ф., Смирнов Д.В Новый класс вейвлетов на основе атомарных функций// Цифровая обработка сигналов и ее применение: V Межд. конф. (Э8РА'2001). М., 2003. - Т.1.

125. Балыкова А.Ю., Чувыкин Б.В. Распределенная обработка сигналов в беспроводных сенсорных сетях на базе аналого-цифровых вейвлет-фильтров // Цифровая обработка сигналов и ее применение: V Межд. конф. (08РА'2001). М., 2003. - Т. 1.

126. Ганин А.Н. Обратное вейвлет-преобразование шума квантования // Цифровая обработка сигналов и ее применение: V Межд. конф. (08РА'2001). М., 2003. - Т.1.

127. Дьяконов В.П. МаШСас! 2001: Специальный справочник. СПб.: Питер, 2002.

128. Дьяконов В.П. Ма&аЬ 6: Учебный курс. СПб.: Питер, 2001.

129. Дьяконов В.П. МаЛетайса 4: Учебный курс. СПб.: Питер, 2001.

130. КатысГ.П. Обработка визуальной информации. М.: Машиностроение, 1990.-320 е.: ил.

131. Казанцев Г.М., Курячий М.И., Пустынский И.Н. Измерительное телевидение: Учеб. пособие для вузов М.: Высш. шк., 1994. - 288 с.:ил.

132. Прэтг У.К., Сакрисон Д.Д. Методы передачи изображений. Сокращение избыточности: Пер. с англ. / Под ред. У. К. Претта М.: Радио и связь, 1983.-264 е., ил.

133. ПрэттУ.К. Цифровая обработка изображений: Пер. с англ. М.: Мир, 1982. -Кн.1 -312 е., ил.

134. ПрэттУ.К. Цифровая обработка изображений: Пер. с англ. М.: Мир, 1982.-Кн.2-480 е., ил.

135. Богданов Г.М. Прикладные телевизионные установки. М.: Связь, 1979. -280 е.: ил.

136. КейзанБ. Достижения в технике передачи и воспроизведения изображений: Пер. с англ. / Под ред. Кейзана Б- М.: Мир, 1980. 312 е.: ил.

137. Кориков A.M., Сырямкин В.И., Титов B.C. Корреляционные зрительные системы роботов / Под ред. Кориков A.M. — Томск: Радио и связь, томское отделение, 1990. 264 е.: ил.

138. Дженкинс Г., Ватгс Д. Спектральный анализ и его приложения: Пер. с англ. -М.: Мир, 1971.-Т1. 316 е.: ил.

139. Дженкинс Г., Ватгс Д. Спектральный анализ и его приложения: Пер. с англ. М.: Мир, 1971. - Т2. - 290 е.: ил.

140. Марпл-мл C.JI. Цифровой спектральный анализ и его приложения. — М.: МИР, 1990.-548 е.: ил.

141. Fractal character of cold-deposited silver films determined by low-temperature scanning tunneling microscopy. C. Douketis, Zh. Wang, T. L. Haslett, and M. Moskovits//Physical Review B, volume 51, number 16, 11022-11031.

142. Мартышевский Ю.В., Шакиров И.В., Шаропин Ю.Б. Применение вейвлет-преобразования при обработке изображений // Конверсия науки -международному сотрудничеству.-Томск, 1999. с. 143-146.

143. Шакиров И.В., Шаропин Ю.Б Вейвлет преобразование изображений // III Регион, науч.-техн. конф. студентов и молодых специалистов.25-27 мая 1999 г. Томск, 1999. - с. 12-15.

144. Шакиров И.В., Шаропин Ю.Б. Вейвлет спектр изображений фонов // Современная техника и технологии: V Обл. науч.-практич. конф. студентов, аспирантов и молодых ученых. 26-30 апреля 1999 г. Томск, 1999.-с. 162-164.

145. Ермаков С.М., Михайлов Г.А. Курс статистического моделирования. — М.: Наука, 1976.-319 е.: ил.

146. Фуку нага К. Введение в статистическую теорию распознавания образов.: Пер. с англ. М.: Наука, 1979. - 368 е.: л.

147. Шакиров И.В. Определение координат точечного объекта методом сдвига фазы Фурье преобразования // Прикладной системный анализ: Регион, науч.-техн. конф. студентов и молодых специалистов. 28-30 ноября 2000 г. Томск, 2000. - с.60-63.

148. Астратов Ю.Н., В.И. Вылышков, И.С. Горьян. Определение эффективной работы контурных операторов // Техника средства связи. Серия тех. телевидения. 1985-№ 1. - с. 51-59.

149. Грузман И.С. и др. Цифровая обработка изображений в информационных системах: Учеб. / И.С. Грузман, B.C. Киричук, В.П. Косых, Г.И. Перетягин, A.A. Спекгор. Новосибирск, 2002. - 352 с.

150. Шакиров И.В. Сравнительный анализ методов определения координат точечного светового объекта // Современная техника и технологии: VII

151. Международ, науч.-практич. конф. студентов, аспирантов и молодых ученых. 26 февраля- 2 марта 2001 г. Томск, 2001. - Т. 1. - с. 197-199.

152. Астратов О.С., Филатов В.Н. Алгоритм оценки координат протяженного объекта в поле телевизионного изображения // Техника средства связи. Серия тех. телевидения. 1987 - № 6. - с. 23-30.

153. Шакиров И.В. Методы решения траекторных задач в микропроцессорных системах //Радиотехнические и информационные системы неустройства: Регион, науч.-техн. конф. студентов и молодых специалистов. 17-19 мая 2000 г. Томск, 2000. - Ч. 1. - с. 20-23.

154. Панин C.B., Шакиров И.В., Светлаков A.A. Применение вейвлет-преобразования для изучения процессов усталостного разрушения // Материалы докладов международной научно-технической конференции. ТУ СУ Р. Томск, 2002. - с. 227-231.

155. Скляров В.А. Язык С++ и объектно-ориентированное программирование. -Мн.: Выщ. шк., 1997. -478с.: ил.

156. Шакиров И.В. Сравнительный анализ методов предварительной обработки изображений // Современная техника и технологии: IX Международ, науч.-практич. конф. студентов, аспирантов и молодых ученых. 7-11 апреля 2003г. Томск. 2003. (в печати).

157. Быдзан А.Ю., Панин C.B., Почивалов Ю.И. Механизм формирования мезоскопической деформационной структуры в образцах поликристаллических материалов при знакопеременном плоском изгибе. Физическая мезомеханика 2000, Т. 3, №3. С. 43-52.

158. Шакиров И.В., Панин С.В., Светланов А.А., Сырямкин В.И. Обработка и анализ изображений поверхности нагруженных твердых тел с использованием вейвлет-преобразования. М.: ВНТИЦ, 2003. -№50200300312.

159. Panin V.E., Belyuk S.I., Durakov V.G., Panin S.V. Structure and mesoscale plastic deformation and fracture patterns of materials coated by electron-beam deposition. Fatigue and fracture of Engineering materials and structures. 2002. No. 23. P 1-13.

160. Ермолов И.Н., Алешин Н.П., Потапов А.И. Неразрушающий контроль. В 5-ти кн. Кн. 2. Акустические методы контроля: практ.пособие. М.: Высшая школа, 1991., - 283 с.

161. Глаговский Б.А., Московенко И.Б. Низкочастотные акустические методы контроля в машиностроении. JI.: Машинострение, 1977. - 208 с.

162. Быдзан А.Ю., Панин С.В., Дураков В.Г. Исследование механизмов усталостного разрушения конструкционной стали 20X13 и ее композиций с наплавленными покрытиями. Физическая мезомеханика 2002. Т. 5. — №6.

163. Шакиров И.В., Панин С.В., Светланов А.А., Сырямкин В.И. Обработка сигналов с использованием вейвлет-преобразования. М.: ВНТИЦ, 2003. -№50200300294.

164. Белов В.В., Борисов Б.Д., Гриднев Ю.В. Проблемы воспроизведения, компьютерной обработки и идентификации филигранен // История и компьютер. 2000. -Т.25.-№3- с. 118-131.

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.